多智能体架构
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @kunlungrowth/kunlun-multi-agent-patterns。
技能介绍
要解决什么问题
做多智能体编排、Agent 协作链或 LLM 工具调用时,常见卡点并不是「模型不够聪明」,而是工程侧缺少可复用的交付物:PR 没有统一评审维度;方案文档只堆功能不讲取舍;线上报错在日志和版本之间来回猜;接口契约前后端各写各的。本技能把这类诉求收成 6 条能力通道,在多智能体架构语境下用同一套结构化模板出结果。
技能如何工作
听到对应 触发词 即路由到能力,例如 review/评审/CR 走代码评审,输入 diff 或 PR,输出 检查清单 + 问题分级(阻断 / 建议 / 可选);设计/方案/架构 走技术方案,输入需求与约束,产出 背景 / 目标 / 选型 / 风险 模板;debug/报错/排查 走调试排错,给出 定位树、复现步骤与修复验证;选型/对比 走架构权衡,得到 利弊、适用规模与成本 表;接口/API/契约 走 API 设计;规范/最佳实践 走工程规范清单与反模式。
代码评审工作流强调 先意图、再正确性与安全、最后可维护性,结论必须带理由;线上排错工作流强调 先稳定复现、再隔离变量、用日志/链路/指标做二分验证,避免没复现就改代码。多智能体场景下,把通用模板中的约束(编排模式、消息总线、工具权限、观测面)写进输入即可,让输出更贴架构决策而非泛泛而谈。
适用边界与注意点
技能 不替代 合并拍板、安全审计或合规签字;评审意见仅供负责人参考。涉及密钥、凭证只给脱敏示例,不处理真实敏感凭据。也不接入付费 API 或外部账号。若结果不够贴场景,应在对应能力的输入里补充人群、规模、SLA 与现有技术栈约束。
使用场景
- 合并多智能体编排相关 PR 前,需要按阻断/建议/可选产出结构化评审清单
- 要在主管从/工具路由/层级 Agent 等模式中选型,需对比利弊、适用规模与长期成本
- Agent 调用链线上异常,需用定位树、最小复现步骤和回归验证理清根因
- 设计 Agent 对外 HTTP 接口时,要统一 REST 资源、字段契约与可机器读的错误码
适合人员
- 维护 LLM Agent 服务的后端工程师,合并前希望用统一维度做 CR 而非只改风格
- 负责多智能体平台的技术负责人,需要可评审的方案文档(背景、目标、选型、风险)
- on-call 工程师处理 Agent 超时或工具调用失败,要证据驱动的排错流程而非盲改
- 全栈开发者同时设计编排层与 REST 契约,希望减少联调阶段的接口扯皮